AWS Meluncurkan Login yang Disederhanakan untuk SageMaker Studio, Menawarkan Tier Gratis $100 untuk Pengguna Baru

ME AI pesan, hari ini, kami dengan senang hati mengumumkan bahwa pelanggan baru Amazon SageMaker AI kini dapat masuk ke lingkungan Amazon SageMaker Studio yang sudah sepenuhnya dikonfigurasi hanya dengan menyelesaikan beberapa langkah setelah mendaftar di AWS. Anda dapat menggunakan metode login yang sudah ada, seperti akun Amazon, Apple, GitHub, Google, atau alamat email. Sebagian besar pelanggan tidak perlu mengatur akun AWS tingkat lanjut, memasukkan informasi kartu kredit, atau mengonfigurasi lingkungan secara manual. Pelanggan baru juga akan menerima kredit AWS Free Tier senilai 100 dolar AS yang dapat digunakan untuk berbagai fitur SageMaker AI, termasuk penyesuaian model, tugas pelatihan, notebook Studio, dan penyebaran endpoint.
Artikel ini melanjutkan artikel sebelumnya kami berjudul “Masuk ke Amazon SageMaker Studio dengan Satu Klik dari Hugging Face”. Artikel tersebut menjelaskan cara langsung memasuki alur kerja SageMaker Studio melalui deep link di halaman model Hugging Face. Pada awal tahun ini, kami juga memperpendek waktu pembuatan lingkungan Studio dari 2 menit menjadi sekitar 20 detik, serta secara pra-konfigurasi memberikan izin penyesuaian model di setiap domain Studio yang baru dibuat. Peningkatan ini menghilangkan sebagian besar hambatan operasional setelah pengembang masuk ke Studio, tetapi masih ada satu hambatan utama sebelum masuk ke Studio: membuat akun AWS. Pelanggan baru harus memverifikasi email, mengisi informasi kontak, memverifikasi nomor telepon, menyediakan informasi pembayaran, dan memilih paket dukungan sebelum dapat mulai membangun. Bagi pengembang perorangan dan tim startup kecil yang terbiasa login dan mulai berkembang dalam hitungan menit, ini tetap menjadi penghalang yang signifikan.
Fitur Baru
Dengan rilis ini, SageMaker Studio telah terintegrasi ke dalam pengalaman login dan pendaftaran AWS yang diperbarui. Pengalaman ini menyediakan opsi baru untuk membuat dan mengelola akun AWS, serta menyederhanakan proses kolaborasi. Pelanggan baru dapat membuat akun menggunakan akun identitas yang sudah ada dan langsung memulai pengembangan di SageMaker Studio.
Pengalaman login yang baru
Pelanggan baru sekarang dapat mendaftar dalam 2 hingga 3 langkah menggunakan akun Google, GitHub, Apple, atau Amazon, atau dengan alamat email. Sebagian besar pelanggan tidak perlu menyelesaikan pendaftaran akun AWS lanjutan, memverifikasi nomor telepon, atau memasukkan informasi kartu kredit:

Gambar 1: Halaman pendaftaran AWS yang menyediakan opsi login akun sosial

Setelah pendaftaran selesai, SageMaker AI akan secara otomatis membuat lingkungan Studio Anda dalam waktu sekitar 20 detik. Selanjutnya, Anda akan diarahkan ke halaman yang sesuai dengan lokasi awal. Misalnya, Anda dapat menemukan dan memilih model di Hugging Face, lalu mendeploy-nya melalui Deploy on SageMaker AI. Setelah itu, Studio akan membuka halaman deploy dengan model yang telah dikonfigurasi secara otomatis untuk membuat endpoint:

Gambar 2: Menerapkan model Hugging Face di Amazon SageMaker AI

Gambar 3: Mengonfigurasi pengaturan endpoint di SageMaker Studio

Dapatkan hingga 200 dolar AS poin Free Tier, sebagian besar pelanggan tidak memerlukan kartu kredit
Pelanggan baru mendapatkan kredit AWS Free Tier senilai 100 dolar AS yang dapat digunakan untuk berbagai fitur SageMaker AI, termasuk penyebaran endpoint, penyesuaian model, notebook Studio, dan pelatihan model. Selain itu, Anda juga berkesempatan mendapatkan kredit tambahan senilai 100 dolar AS. Kredit akan secara otomatis dikurangkan dari biaya penggunaan Anda; ketika mendekati batas maksimum, Anda akan menerima pemberitahuan melalui email. Masa Free Tier berlangsung selama 6 bulan, atau berakhir saat kredit habis, mana yang lebih dulu tercapai. Pada saat itu, penggunaan sumber daya akan berhenti secara otomatis, sehingga Anda tidak akan dikenakan biaya tambahan karena penggunaan yang tidak disengaja. Anda dapat meningkatkan ke paket berbayar kapan saja dengan menambahkan informasi pembayaran.
Membangun di atas pencapaian yang telah dirilis sebelumnya
Lingkungan yang dibuat melalui pengalaman login baru mencakup perbaikan dari rilis sebelumnya. Izin yang diperlukan untuk penyesuaian model, pelatihan, evaluasi, dan penyebaran telah dikonfigurasi secara pra-aturan, sehingga Anda tidak perlu membuat peran AWS Identity and Access Management (IAM). Akun yang memenuhi syarat secara default dapat menggunakan instance GPU G5, G6, dan G4dn untuk endpoint, job pelatihan, dan notebook Studio. Selain itu, menu pilihan instance di Studio menampilkan ketersediaan kuota, sehingga Anda dapat dengan cepat melihat jenis instance mana yang tersedia.
Mulai menggunakan
Anda dapat langsung mencoba cara login baru:

Telusuri model di Hugging Face, pilih Deploy, pilih Amazon SageMaker AI, lalu pilih Customize on SageMaker AI atau Deploy on SageMaker AI pada model yang didukung. Anda juga dapat mengakses halaman Amazon SageMaker Studio dan memilih Get started with Amazon SageMaker AI.
Di halaman login AWS, pilih Google, GitHub, Apple, atau Amazon, atau masukkan alamat email, lalu ikuti petunjuk untuk membuat akun dalam beberapa langkah.
Masuk ke lingkungan SageMaker Studio yang sudah dikonfigurasi sepenuhnya dan mulai mengembangkan dengan menggunakan kredit Free Tier.

Pengalaman login baru berlaku untuk akun AWS baru. Jika Anda sudah memiliki akun AWS, cara login tidak akan berubah.
Penutup
Pengalaman login baru menghilangkan hambatan utama terakhir antara menemukan Amazon SageMaker AI dan mulai membangun. Dengan kecepatan pembuatan lingkungan yang lebih cepat, izin yang sudah dikonfigurasi sebelumnya, tautan mendalam dari Hugging Face, dan akses GPU secara default, pengembang perorangan dapat segera memulai. Tim startup sekarang dapat menggunakan akun identitas yang sudah ada untuk menyelesaikan proses dari mencari model hingga menyesuaikan atau mendeploy model dalam hitungan menit.
Untuk memulai, kunjungi aws.amazon.com/sagemaker/studio, atau jelajahi model di Hugging Face.

Tentang Penulis

Hazim Qudah
Hazim adalah solusi arsitek profesional di AWS, berbasis di Dallas, Texas, Amerika Serikat. Ia senang membantu klien membangun dan mengadopsi solusi AI/ML dengan memanfaatkan teknologi dan praktik terbaik AWS. Sebelum bergabung dengan AWS, ia telah bekerja selama bertahun-tahun di bidang konsultasi teknologi, melayani klien dari berbagai industri dan wilayah. Di waktu senggang, ia suka berlari dan bermain dengan anjingnya, Nala.

Paul Hargis
Paul sebelumnya fokus pada pekerjaan pembelajaran mesin di berbagai perusahaan termasuk AWS, Amazon, dan Hortonworks. Ia senang membangun solusi teknologi dan mengajarkan orang cara menggunakannya. Paul senang membantu klien memperluas program pembelajaran mesin mereka untuk menyelesaikan masalah di dunia nyata. Sebelum bergabung dengan AWS, ia pernah menjabat sebagai Chief Architect di Amazon Exports and Expansions, membantu meningkatkan pengalaman belanja konsumen internasional di amazon.com.

Naidile Murali
Naidile adalah produk manajer di AWS, berbasis di Bellevue, Washington, Amerika Serikat. Ia terutama bertanggung jawab atas peningkatan pengalaman pengembang AI/ML di Amazon SageMaker AI, termasuk onboarding pelanggan baru di Studio, pusat model SageMaker JumpStart, dan manajemen kapasitas GPU di IDE. Sebelum bergabung dengan AWS, ia pernah bekerja sebagai insinyur perangkat lunak di HSBC dan memegang gelar MBA dari Georgetown University.

(Sumber: MLion)